[發(fā)明專利]構(gòu)建字符識別模型與識別字符的方法和裝置

有效

• 申請?zhí)枺?/td>: 201910477704.0
• 申請日: 2019-06-03
• 公開（公告）號: CN110222693B
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計(jì)）人: 韓景濤;曾華榮;韓鋒
• 申請（專利權(quán)）人: 第四范式（北京）技術(shù)有限公司
• 主分類號: G06V30/148
• 分類號: G06V30/148;G06N3/04;G06N3/08
• 代理公司: 北京展翼知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11452
• 代理人: 王明遠(yuǎn)

提供了一種構(gòu)建字符識別模型與識別字符的方法和裝置。本發(fā)明中的特征提取網(wǎng)絡(luò)結(jié)構(gòu)包括第一特征提取網(wǎng)絡(luò)結(jié)構(gòu)或者第二特征提取網(wǎng)絡(luò)結(jié)構(gòu)，第一特征提取網(wǎng)絡(luò)結(jié)構(gòu)包括至少一層第一特征提取單元，第一特征提取單元包括依次連接的第一卷積層、第一激活函數(shù)層、第二卷積層、第一批標(biāo)準(zhǔn)化層、第二激活函數(shù)層以及第一池化層；第二特征提取網(wǎng)絡(luò)結(jié)構(gòu)包括至少一層第二特征提取單元，第二特征提取單元包括依次連接的第三卷積層、第三激活函數(shù)層、第四卷積層、第四激活函數(shù)層、第二批標(biāo)準(zhǔn)化層以及第二池化層。在字符識別過程中，通過利用該特征提取網(wǎng)絡(luò)結(jié)構(gòu)對圖片進(jìn)行特征提取，可以在大大降低對計(jì)算資源的要求的同時(shí)，做到比主流架構(gòu)更好的特征提取效果。

技術(shù)領(lǐng)域

本發(fā)明總體說來涉及字符識別技術(shù)領(lǐng)域，更具體地說，涉及一種構(gòu)建字符識別模型的方法和裝置，基于字符識別模型識別圖片中字符的方法和裝置，以及系統(tǒng)和存儲介質(zhì)。

背景技術(shù)

字符識別是計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)分支。隨著科技的發(fā)展，字符識別技術(shù)的應(yīng)用越來越廣泛。例如，當(dāng)車輛進(jìn)入停車場、收費(fèi)站時(shí)，通過利用字符識別技術(shù)自動識別車牌，可以免去人工登記步驟，節(jié)省人力資源。再例如，通過字符識別技術(shù)自動識別出發(fā)票中的交易金額、納稅人識別號、開戶行等發(fā)票信息，可以免去人工錄入操作，節(jié)省人力資源。

目前主要是利用神經(jīng)網(wǎng)絡(luò)技術(shù)來實(shí)現(xiàn)字符識別。基于神經(jīng)網(wǎng)絡(luò)技術(shù)的字符識別方案，主要是利用vgg16、ResNet等經(jīng)典網(wǎng)絡(luò)骨架來進(jìn)行特征提取，但是vgg16、ResNet等經(jīng)典網(wǎng)絡(luò)骨架往往包含上億參數(shù)，對計(jì)算資源要求較高。

發(fā)明內(nèi)容

本發(fā)明的示例性實(shí)施例旨在克服字符識別過程中特征提取部分所需計(jì)算量較高的缺陷。

根據(jù)本發(fā)明的第一個(gè)方面，提出了一種基于字符識別模型識別圖片中字符的方法，其中，字符識別模型包括特征提取模塊和識別模塊，方法包括：將預(yù)測圖片輸入特征提取模塊，得到特征提取模塊輸出的特征矩陣；其中，特征提取模塊包括第一特征提取網(wǎng)絡(luò)結(jié)構(gòu)或者第二特征提取網(wǎng)絡(luò)結(jié)構(gòu)；第一特征提取網(wǎng)絡(luò)結(jié)構(gòu)包括至少一層第一特征提取單元，第一特征提取單元包括依次連接的第一卷積層、第一激活函數(shù)層、第二卷積層、第一批標(biāo)準(zhǔn)化層、第二激活函數(shù)層以及第一池化層；第二特征提取網(wǎng)絡(luò)結(jié)構(gòu)包括至少一層第二特征提取單元，第二特征提取單元包括依次連接的第三卷積層、第三激活函數(shù)層、第四卷積層、第四激活函數(shù)層、第二批標(biāo)準(zhǔn)化層以及第二池化層；將特征矩陣輸入識別模塊，得到識別模塊輸出的字符識別結(jié)果。

可選地，在第一特征提取網(wǎng)絡(luò)結(jié)構(gòu)包括至少兩層第一特征提取單元的情況下，在后的第一特征提取單元中卷積層中的卷積核的個(gè)數(shù)是在前的第一特征提取單元中卷積層中的卷積核的個(gè)數(shù)的M倍，其中M≥2，并且/或者在第二特征提取網(wǎng)絡(luò)結(jié)構(gòu)包括至少兩層第二特征提取單元的情況下，在后的第二特征提取單元中卷積層中的卷積核的個(gè)數(shù)是在前的第二特征提取單元中卷積層中的卷積核的個(gè)數(shù)的N倍，其中N≥2。

可選地，識別模塊包括概率生成單元和解碼單元，將特征矩陣輸入識別模塊，得到識別模塊輸出的字符識別結(jié)果的步驟包括：將特征矩陣輸入概率生成單元，以得到概率矩陣，其中，概率矩陣中的每個(gè)列向量用于表征預(yù)測圖片中的一塊區(qū)域所包含的字符的概率分布，列向量中的每個(gè)元素對應(yīng)于一個(gè)字符，元素的取值用于表征該區(qū)域包含的字符是該元素所對應(yīng)的字符的概率；將概率矩陣輸入解碼單元，得到解碼單元生成的預(yù)測圖片包含的字符的識別結(jié)果。

可選地，將特征矩陣輸入概率生成單元，以得到概率矩陣的步驟包括：概率生成單元為循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將特征矩陣中的列向量依次輸入循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以得到由循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)輸出的概率矩陣。

可選地，循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的隱藏層中神經(jīng)元的個(gè)數(shù)是根據(jù)字符解空間的大小設(shè)定的，并且/或者循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的輸出層中神經(jīng)元的個(gè)數(shù)與字符解空間的大小之間的差值的絕對值小于第三預(yù)定閾值。

可選地，循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的隱藏層中神經(jīng)元的個(gè)數(shù)與字符解空間的大小正相關(guān)。